2026 云栖大会上有三位具身智能创业者给出同一个判断：技术路线仍在加速发散，产业胜负取决于谁能让数据、模型与真实反馈更快循环。值得关注的是，具身智能正在离开单纯比拼模型能力的阶段。

这是什么

具身智能是让 AI 通过机器人等设备感知环境并执行动作的技术体系。此次讨论涉及三条并行路线：VLA（把视觉、语言与动作连接起来）、世界模型（预测环境变化）以及遥操作数据采集。费莫一科技、穹彻智能和流形空间的技术选择不同，但都认为现阶段没有单一方案能够包打天下。

三家公司提出的共同方向，是建立“数据—模型—部署—反馈”的闭环：机器人在真实场景中工作，产生新数据，再用于训练和迭代。与实验室演示相比，这类系统更依赖训练流程、评测体系和工程组织能力。

行业怎么看

产业正形成一项有限共识：真实应用比封闭环境评测更能暴露问题。遥操作采集的物理世界数据确定性强，仿真和世界模型合成数据则被认为仍受真实性、成功率与质检成本限制。不过，这并不意味着仿真失去价值，三位嘉宾认为其更适合增强数据或辅助推理，而非立即替代真实采集。

风险同样明确。行业仍处于路线快速变化期，今天被低估的训练方法、算力效率或数据配比，可能很快成为主要瓶颈；部署和后训练的成本也可能继续前移。更关键的是，当前不少企业拥有模型和数据，却未必具备稳定运转的工程闭环。若真实场景不足、反馈质量偏低，再先进的模型也可能停留在演示阶段。

对普通人的影响

对企业 IT：具身智能项目的采购重点可能从单一模型或硬件，转向数据管线、评测、部署和持续迭代能力，传统 IT 架构需要更贴近现场运营。

对个人职场：短期新增机会更可能出现在数据采集、机器人训练、现场实施和工程评测环节，而非通用模型研发；跨学科协作者的价值也会上升。

对消费市场：未来一年相关产品仍以试点和特定场景为主，成熟服务距离大规模普及尚有距离，价格下降速度也不宜高估。